如果你经常用 Claude 写东西，大概会有这样的体验：今天花了一个小时写了一段特别棒的提示词，让 Claude 按照你的品牌风格生成了一篇文案，你觉得“以后就这么用了”。可第二天开了个新对话，一切又要从头开始——再贴一遍那段长提示词，再调整一遍，再等它理解你想要的风格。

　　这其实就是提示词模式的局限：每个对话都是一次重新磨合，经验无法积累，最佳实践永远停留在“临时起意”。

　　Claude Agent Skills 要解决的就是这个问题。它让你能把那些反复使用的指令、工作流程和专业经验，打包成一个可复用的“技能包”。以后需要的时候，Claude 会自动识别场景并调用，你不用再说第二遍。

　　一、什么是 Agent Skills?

　　简单来说，Agent Skills 就是 Claude 的“职业技能证书”。

　　它本质上是一个文件夹，里面装着教 Claude 怎么做某件事的说明书(SKILL.md 文件)，还可以附带脚本和参考资料。这些技能包存放在你的电脑上，Claude 会在需要的时候自动加载，而不是一次性把所有技能都塞进脑子里。

　　举个例子：如果你安装了一个“代码审查”技能，当你让 Claude 帮忙 review 代码时，它会自动加载这个技能的指令，按照你设定的标准(比如检查安全漏洞、代码风格、性能问题)来执行，而不是随便给你提几条建议。

　　目前，Agent Skills 已经向所有 Claude 付费用户开放，可以在 Claude.ai、Claude Code 和 API 中使用。Anthropic 官方也在 GitHub 上开源了 16 个示范技能，涵盖文档处理(Word、Excel、PPT、PDF)、创意设计和开发工具等领域。

　　二、能拿来干什么?

　　说实话，一开始我也觉得这玩意儿有点抽象。但看了几个真实案例之后，我发现它的应用场景比想象中广得多。

　　场景一：文档处理自动化

　　这是官方主推的方向。有了 docx、xlsx、pptx、pdf 这四个官方技能，Claude 可以直接创建和编辑 Word 文档、生成 Excel 报表、制作 PPT 演示文稿、提取 PDF 内容。以前你要让 Claude 帮你做个表格，它只能给你 Markdown 格式的文本;现在它能直接生成一个真正的 Excel 文件。

　　场景二：企业 SOP 固化

　　有个技术博主分享了一个真实案例：他们团队每周都要做产品升级工单分析——登录内网系统、筛选数据、导出、分析、写报告。这套流程每周都要重复一遍，耗费大量人力。后来他们把这个 SOP 固化成了一套 Skills，现在只需要一条命令，AI 就能自动完成数据采集和分析，输出结构化报告。据说，有咨询公司帮企业做这类 Skills 定制，一个收费能达到五位数。

　　场景三：数据分析与报告生成

　　另一个更贴近普通开发者的案例是用 Skills 做数据库分析。有人给 Claude 装了一个“MySQL 员工数据分析”技能，里面包含了数据库结构说明、SQL 生成规则和查询脚本。当用户问“公司里谁的话语权最高”这种复杂问题时，Claude 会自主拆解成多条查询——先看管理层薪资、再看最高薪员工、最后分析部门管理者——然后把所有结果整合成一份完整的分析报告。传统的工作流工具(比如 Dify、扣子)很难处理这种需要多步推理的任务，但 Skills 能做到。

　　三、它的核心优势是什么?

　　我觉得 Agent Skills 最厉害的地方，不是它“能做什么”，而是它“怎么做”的方式。这里有三点值得细说。

　　优势一：渐进式披露，不浪费 Token

　　这是 Skills 最核心的技术设计。你可以想象一下：如果你装了 20 个技能，每个技能的说明文件都有 5000 个 token，一次性全部加载的话，光技能说明就占掉了 10 万 token，根本没法正常对话。

　　Skills 的解法是“分三层按需加载”：

　　第一层(元数据)：对话开始时，Claude 只扫描每个技能的 name 和 description，大概只占几十个 token。这就像扫一眼目录，知道有哪些书，但不用把书翻开。

　　第二层(完整说明)：当 Claude 判断某个技能和当前任务相关时，才加载完整的 SKILL.md 文件(官方建议 5000 token 以内)。

　　第三层(附加资源)：如果需要更详细的信息或执行脚本，再按需加载。

　　这个设计的直接好处是：你可以装几十个技能，而不会影响每次对话的上下文长度。相比之下，MCP因为要加载大量工具描述，Token 消耗一直是个痛点。

　　优势二：工程化封装，可复用可组合

　　有开发者评价说，Skills 其实是一种“工程范式”。以前的 AI 项目，各种功能和提示词混在一起，没有规范，不好维护。Skills 把每个能力封装成独立的文件夹，像代码库里的基础模块一样，可以单独测试、单独迭代。

　　更妙的是，多个 Skills 可以组合使用。比如你可以先调用数据分析技能处理 Excel，再把结果传给 PPT 生成技能做演示文稿，最后用文档技能输出一份报告。这种“技能链”的方式，让复杂工作流的搭建变得像搭积木一样简单。

　　优势三：比 Workflow 更灵活

　　传统的工作流工具(比如低代码平台)虽然能跑固定流程，但有个硬伤：不够灵活。流程一旦定死，遇到输入变化就容易出错;换个环境就得重新搭建;改起来小心翼翼怕影响其他节点。

　　Skills 不一样。它用 Markdown 写流程说明，用自然语言描述条件分支和错误处理，Agent 能理解并灵活执行。而且 Skills 是纯文本文件，可以用 Git 管理版本、做代码审查、在不同机器间同步。发现某个指令不够好?让 AI 帮你改就是了。

　　四、几个常见问题

　　Q：Skills 和 MCP 是什么关系?

　　MCP 负责“连接外部工具和数据源”，Skills 负责“教会 Claude 怎么用这些工具”。两者可以协同工作。

　　Q：Skills 和 Projects 有什么区别?

　　Projects 提供“静态的背景知识”，在每个对话中持续加载;Skills 提供“按需激活的流程知识”，只在需要时才加载。

　　Q：我的技能没触发怎么办?

　　最常见的原因是 description 写得不够清晰。试着用更自然、更具体的语言描述它适合什么场景，覆盖用户可能的提问方式。

　　有开发者说，Skills 可能比 MCP 更重要。我觉得这话有点绝对，但有一点是对的：Skills 代表的是一种思维转变——从“每次临时搭建”到“持续沉淀资产”。如果你发现自己反复对 Claude 说同一套指令，那就是该把它变成 Skill 的信号了。